英文篇章結構分析關鍵問題研究.pdf

1、近三年來,篇章結構分析(Discourse Structure Analysis,簡稱DSA)受到了計算語言學界的廣泛關注(據(jù)統(tǒng)計,每屆ACL、COLING和EMNLP會議上均發(fā)表8篇以上篇章結構分析方面的論文,而這方向的投稿文章則達30篇以上)。篇章結構分析研究成為了繼傳統(tǒng)信息抽取/信息檢索、機器翻譯和句法/語義分析領域之后的又一個研究熱點。
　　DSA旨在研究自然語言文本的內在結構,通過對文本單元(可以是詞、短語、從句、句子或

2、段落)的上下文進行全局分析來理解文本單元間的語義關系。因此,篇章結構分析能夠抽取出文本內部豐富的結構化信息,對自然語言理解和自然語言生成均起著至關重要的作用。目前主流的DSA研究比較注重篇章中的詞匯層面信息,例如:篇章中單詞、單詞形態(tài)學變化和單詞對等;然而,篇章中句子的態(tài)度和句子的銜接方式等方面的信息卻少有研究,導致目前的篇章結構分析性能不高。
　　鑒于此,本文圍繞學界廣泛關注問題,在以下三個方面展開研究。具體而言:
　　1

3、.隱式篇章關系識別(Implicit Discourse Relation Recognition,簡稱IDRR)研究。本文在研究了基于單詞對、語言模型和樹核函數(shù)的隱式篇章關系識別模型的基礎上,提出了一個基于態(tài)度韻律理論的隱式篇章關系識別模型。該模型通過計算句子的態(tài)度/情感來識別隱式篇章關系,并采用復合核方法集成了一種依存詞對樹核結構。上述方法在國際基準語料Penn Discourse Treebank(PDTB)2.0上進行試驗,實驗

4、表明采用基于態(tài)度韻律理論的隱式篇章關系識別模型后,IDRR的準確率與目前基于單詞對、語言模型和樹核函數(shù)的方法相比得到顯著提升。
　　2.篇章論元識別(Discourse Argument Identification,簡稱DAI)研究。本文從句內(連接詞與論元處于同一句)和句外(連接詞與論元不處于同一句)兩種情形分別處理DAI。針對句內情況,在研究基于組塊、基于分類和基于句法樹裁減方法的篇章論元識別模型的基礎上,提出了一個基于淺層

5、語義分析框架的篇章論元識別模型。該模型將篇章連接詞看作謂詞,并將謂詞的論元映射成句法樹中的一些組塊,將傳統(tǒng)方法的組塊層次研究提升為具有豐富句法信息的句法樹層次,同時將組塊而不是單詞作為篇章論元的識別單元。針對句外情況,本文提出了一種輕量級的規(guī)則解決方案,將連接詞到當前句尾的單詞序列和連接詞的前一句分別作為連接詞對應的兩個論元。上述方法在國際基準語料PDTB上進行試驗,實驗表明采用基于淺層語義分析框架的篇章論元元識別模型后,DAI的F1值

6、與目前基于組塊的方法相比得到顯著提升。
　　3.篇章連貫性建模(Discourse Coherence Modeling,簡稱DCM)研究。本文在研究了基于實體和基于篇章關系的篇章連貫性模型的基礎上,提出了一個基于主位-述位結構銜接性理論的篇章連貫性模型。該模型通過計算句子中主位和述位的相似度來描述篇章連貫性,并采用規(guī)則方法集成了基于主位結構和指代消解的兩種篇章連貫性過濾機制。上述模型在五種不同文體的國際基準語料上進行試驗,實驗表

7、明采用基于銜接性理論的篇章連貫性模型后,DCM的準確率與目前基于實體和篇章關系的有監(jiān)督學習方法相比得到顯著提升。
　　在此基礎上,本文設計了基于樹核的英文篇章結構分析平臺,并將上述三個關鍵問題的研究算法一并加以集成。為了驗證上述方法對自然語言處理相關應用的實際作用,本文引入了學生作文的可讀性評估作為測試實例,通過線性擬合等方法,將篇章關系值和篇章連貫性值作為可讀性評估值。上述研究在開放語料上建立模型,并在實際語料上進行試驗,結果表

8、明了本文構建的英文篇章結構分析平臺對于學生作文可讀性評估十分有效,與目前基于實體和基于篇章關系的有監(jiān)督學習方法相比,在算法精度和減少對大規(guī)模語料庫的依賴性等方面具有優(yōu)勢。
　　本文的創(chuàng)新點主要表現(xiàn)在:(1)針對隱式篇章關系識別研究,提出了基于態(tài)度韻律理論的隱式篇章關系識別模型。該模型通過計算句子的態(tài)度/情感來識別隱式篇章關系,并采用復合核方法集成了一種依存詞對樹核結構。與同類方法相比,在國際基準PDTB語料上將隱式篇章關系識別性能

9、提升了大約6％;(2)針對篇章論元識別研究,提出了基于淺層語義分析框架的篇章論元識別模型,將傳統(tǒng)方法的組塊層次提升為具有豐富句法信息的句法樹層次,同時將組塊而不是單詞作為篇章論元的識別單元。與同類方法相比,在國際基準PDTB語料上將標準句法樹和自動句法樹上的篇章論元識別性能分別提升了大約2%和6%;(3)針對篇章連貫性建模研究,提出了基于主位-述位結構銜接性理論的篇章連貫性模型,通過計算句子中主位和述位的相似度來描述篇章連貫性,并采用規(guī)

10、則方法集成了基于主位結構和指代消解的兩種篇章連貫性過濾機制。與同類方法相比,在國際基準Accident、Earthquake、Wall street journal、Britannical elementary語料上將篇章連貫性檢測性能分別提升了3%-6%。
　　本文的主要貢獻:對篇章結構分析中的關鍵技術進行了深入的研究,提出了相關問題的一些解決方法,并設計了相應的算法和實驗。實驗表明,本文提出的這些方法有助于提高篇章結構分析的性